Filtragem e Identificação de Sistemas em Processos Industriais
|
|
- Paula Canela
- 5 Há anos
- Visualizações:
Transcrição
1 Memorias del XVI Congreso Latinoamericano de Control Automático, Filtragem e Identificação de Sistemas em Processos Industriais Rodríguez, O.W.R. Garcia, C. Escola Politécnica, Universidade de São Paulo São Paulo, Brasil( orodriguez@usp.br). Escola Politécnica, Universidade de São Paulo São Paulo, Brasil ( clgarcia@lac.usp.br). Resumo: Este artigo aborda a influência dos métodos de filtragem na identificação de sistemas em processos industriais. Propõe-se projetar filtros passa-baixa digitais que atenuem ou eliminem o ruído presente na medição de uma planta piloto de vazão e avaliar o seu desempenho em relação ao índice de ajuste do modelo identificado. Os métodos de filtragem que vão ser avaliados são: o método da janela de Bartlett, Hann, Hamming, Blackman, Kaiser e retangular; sendo a estrutura auto-regressiva com média móvel e entradas exógenas (ARMAX) usada como modelo do processo a identificar. Observou-se que os índices de ajuste dos modelos com dados filtrados melhoram em torno de 4,26% a 4,88% em relação aos modelos com dados sem filtrar. Esses resultados sugerem que a filtragem de dados tem alguma influência na identificação de sistemas. Keywords: Identificação de sistemas, ARMAX, filtragem, passa-baixa, método da janela. 1. ITRODUÇÃO Os sistemas de controle aplicados em processos industriais têm como principal propósito a manter o controle das variáveis físicas em torno de algumas referências ou pontos de operação, atingindo as especificações do produto, segurança e meio ambiente. Contudo, para projetar as diferentes estratégias de controle clássico e/ou controle avançado, se faz necessário e imprescindível obter os modelos matemáticos que representam a dinâmica da planta. A identificação de sistemas é uma técnica que provê modelos matemáticos que representam o comportamento dinâmico dos processos, em torno de um ponto de operação. O método consiste em gerar sinais com um amplo espectro de frequência nas variáveis de entrada do sistema e registrar os dados das variáveis de saída. A partir dos dados obtidos e modelos paramétricos definidos (AR, ARMAX, BJ), se determinam os parâmetros do modelo. Por fim, realiza-se uma validação do modelo obtido, mediante o índice de ajuste do modelo ao sistema real (fit). Os sinais elétricos gerados pelos instrumentos de campo trafegam por fios, muitas vezes gerando ruído com menor amplitude e maior frequência do que o sinal do processo. O ruído pode ser criado quando o sinal elétrico interage com campos magnéticos presentes na grande maioria das plantas industriais. Os sinais que são utilizados na identificação de sistemas podem estar super-amostrados. Esta prática pode auxiliar na definição do espectro de frequência e diminuição das perdas de informação dos sinais na etapa de filtragem. Em Ljung (1999), define-se a etapa de pré-processamento de dados na identificação de sistemas em três partes principais: filtragem, normalização e reamostragem. a etapa de filtragem, ele sugere coletar os dados dos sinais superamostrados e suprimir o ruído com filtros passa-baixas. a etapa de normalização, procura-se levar as faixas das variáveis para faixas iguais. a etapa de reamostragem, o autor recomenda como uma escolha ótima do intervalo de reamostragem, a décima parte da constante de tempo dominante do processo, isto é, T s = 0, 1τ. Em Harris (1978), Oppenheim and Schafer (2009) e Ingle and Proakis (2011), os autores apresentam a metodologia do processo de filtragem mediante janelas. este artigo, vai-se projetar filtros passa-baixas com o propósito de manipular variáveis de processo, geralmente lentas por natureza, tais como temperatura, nível, vazão e pressão. este trabalho coletam-se sinais da Planta Piloto de Vazão do Laboratório de Controle de Processos Industriais da Escola Politécnica da USP. A partir destes dados, projetamse filtros passa-baixas pelo método do janelamento. 2. IDETIFICAÇÃO DE SISTEMAS A identificação de sistemas tem como objetivo determinar os modelos matemáticos de sistemas dinâmicos, com base em dados empíricos das entradas e saídas. 2.1 Projeto de identificação o processo de identificação (Gustavsson, 1975) se excita o sistema com um tipo de sinal de entrada u(t) que pode ser degrau ou sinais aleatórios binários (PRBS ou GB). Os dados de saída do sistema y(t) são coletados junto com os de entrada u(t). Uma parte destes sinais é usada para a identificação e outra para a validação. Baseado no conhecimento prévio do processo, escolhe-se uma estrutura de modelo. Com os dados de identificação e a estrutura de modelo, obtém-se o modelo estimado, que é avaliado com dados de validação, de onde se extrai o índice de ajuste do 864
2 modelo ao sistema real (fit)). Se o modelo não for aceito devido a um baixo fit, o procedimento retorna aos passos prévios; caso contrário, o procedimento se encerra. Algumas considerações devem ser feitas preliminarmente em relação ao projeto do experimento: - a identificação de sistemas dinâmicos, o período de amostragem deve ser suficientemente pequeno, de modo que informações significativas do processo não sejam perdidas (Ikonen and ajim, 2001). - Um efeito chamado aliasing pode ocorrer se o sinal amostrado contiver frequências que sejam mais altas do que a metade da frequência de amostragem. Isto é, seja a frequência de amostragem w s, então a componente de maior frequência do processo tem que ser menor que w s /2 no sinal amostrado (Aguirre, 2007). - Quando se visa estimar parâmetros do modelo em uma certa faixa de frequências, pode-se pré-filtrar o sinal com um filtro passa-banda. Quando o sinal contém offset ou perturbações de carga, podese eliminá-los com um filtro passa-altas. Quando o sinal tem componentes irrelevantes de alta frequência, incluindo o ruído, pode-se eliminá-los com um filtro passa-baixas (Ikonen and ajim, 2001). 2.2 Sinal de entrada O sinal de entrada no processo de identificação é determinante nas estimativas dos parâmetros do modelo. Contudo, nem todos os processos permitem ser excitados por sinais de entrada padrão. A amplitude deve ser tal que a saída do sistema esteja dentro da faixa linear na qual se pretende identificar. A característica da frequência deve promover alterações nas componentes de frequências do processo, isto é, obter a maior informação possível do sistema. Os sinais padrão mais frequentemente usados são: (a) Degrau: deve ser tal que maximize a mudança de valores na saída, dentro da região linear que equivale ao ponto de operação em que se quer trabalhar. Um degrau fornece tempo de acomodação, ganho estático, constante de tempo dominante e tempo morto. (b) Sinal pseudo-aleatório binário (PRBS). É um sinal periódico de onda quadrada que comuta entre dois valores possíveis. O sinal é de natureza determinística e sua função de correlação se assemelha à função de correlação do ruído branco. A escolha dos níveis do sinal é normalmente limitada para maximizar a mudança de valores do sinal de saída, sem comprometer o funcionamento adequado (Aguirre, 2007). (c) Ruído binário generalizado (GB). É um sinal que faz uma mudança entre dois valores, proposto por Tulleken (1990). Tem uma configuração similar ao ruído binário (B), com a diferença de que a probabilidade de chaveamento p não está fixada em 0,5, mas sim em uma faixa 0 < p < 1. O sinal GB possui média zero e é de natureza não-determinística. 2.3 Escolha da estrutura de modelo O modelo de um sistema é uma descrição de suas propriedades, adequado a um certo propósito (Ljung, 1999). (a) Estrutura geral de modelo linear Ljung (1999) e Aguirre (2007) apresentam a equação (1), que é a estrutura geral de modelo linear A(q)y(t) = B(q) C(q) u(t) + ε(t) (1) F (q) D(q) onde q 1 é o operador de atraso, isto é, y(t)q 1 = y(t 1), ε(t) é erro na medição e A(q), B(q), C(q), D(q) e F (q) são os polinômios definidos a seguir: A(q) = 1 + a 1 q a na q na B(q) = b 1 q b nb q n b C(q) = 1 + c 1 q c nc q nc D(q) = 1 + d 1 q d nd q n d F (q) = 1 + f 1 q f nf q n f (2) A escolha da estrutura do modelo consiste na seleção dos graus dos polinômios A(q), B(q), C(q), D(q) e F (q), isto é, n a, n b, n c, n d e n f. (b) Modelo ARMAX O modelo auto-regressivo com média móvel e entradas exógenas, ARMAX, pode ser obtido da equação (1), com D(q) = F (q) = 1 e A(q), B(q) e C(q) são polinômios arbitrários. Sua representação matemática é descrita na equação (3). A(q)y(t) = B(q) u(t) + C(q) ε(t) (3) 3. FILTRAGEM DE DADOS o processo de filtragem, o objetivo é separar sinais que se encontram misturados no domínio do tempo, mas na frequência mantêm suas características claramente definidas. Os processos industriais são por natureza lentos, isto é, o tempo de acomodação t s é geralmente maior que 1 minuto. Portanto, são de baixa frequência. esta seção o objetivo é projetar filtros digitais passabaixa, que deixem passar as baixas e atenuem ou eliminem as altas frequências. O ponto limite que separa as baixas frequências das altas é chamado de frequência de corte, f c. A frequência de corte é definida pela avaliação da Densidade Espectral de Potência (DEP). 3.1 Filtros FIR Os filtros de resposta finita ao impulso (FIR) são causais e podem ser projetados com fase linear. O comprimento da resposta ao impulso unitário h(n) é, por definição, finito. A saída do filtro y(n) é definida pela equação 4, como sendo o somatório da convolução finita da resposta impulsiva e das k entradas passadas, onde x(n) é o sinal de entrada do filtro. y(n) = h(n) x(n) = 1 k=0 h(k) x(n k) (4) o domínio da frequência, a convolução equivale a uma multiplicação, portanto a equação (4) pode ser reescrita como: Y (ω) = H(ω)X(ω) (5) onde Y (ω), H(ω) e X(ω) são a transformada discreta de Fourier de y(n), h(n) e x(n), respectivamente. 865
3 A transformada de Fourier no tempo discreto (TFTD) relaciona a resposta ao impulso unitário com seu espectro em frequência H(ω), mediante a relação mostrada em (6). 3.2 Filtro ideal h(n) = 1 2π ω ω H(ω)e jωn dω (6) O filtro passa-baixa ideal preserva as frequências contidas na faixa de passagem e atenua todas as frequências dentro da faixa de rejeição, sendo definido na equação (7). { 1, ω ωc H d (ω) = (7) 0, ω c < ω π onde: H d é a amplitude da resposta em frequência desejada, ω c é a frequência de corte (Madisetti, 2010; Parks and Burrus, 1987; Oppenheim and Schafer, 2009). O filtro passa-baixa ideal é ilustrado na Figura 1. Figura 1. Filtro passa-baixa ideal. Substituindo-se a equação (7) em (6), tem-se: h d (n) = 1 2π Para (n = 0): Para (n 0): h d (n) = 1 π π j2πn ejωn h d (n) = sen(ω cn) πn ω c e jωn dω = 1 e jωn dω (8) 2π ω c h d (0) = ω c π ; (9) ω c = 1 ) (e jωcn e jωcn ω c j2πn (10) De maneira geral, o centro do filtro que naturalmente é na origem, pode ser deslocado em α (ver equação (11)), tal que, o extremo esquerdo da resposta ao impulso unitário desejado h d (n) coincida com a origem. A equação (11) mostra o deslocamento para α = ()/2. h d (n) = sen[ω c(n α)] (11) π(n α) Para representar corretamente o filtro ideal passa-baixa, seu comprimento deveria ser infinito. Por esta razão não é possível ser implementado numericamente. a prática, o filtro ideal passa-baixa é usado para implementar filtros reais mediante a técnica de janelamento, isto é, truncar o filtro ideal com janelas de diferentes características. 3.3 Filtro pelo método da Janela O janelamento é uma método de projetar os filtros digitais mediante o truncamento de um filtro ideal h d (n) por meio de uma função (chamada de janela). Desta forma, pode-se obter filtros FIR causais e de fase linear. O filtro projetado h(n) está definido na equação (12). h(n) = h d (n) w(n) (12) onde w(n) é a função janela. O método da janela foi projetado para evitar o fenômeno de Gibbs, que é um comportamento oscilatório anômalo nos pontos próximos a uma descontinuidade gerada pelas somas parciais da série de Fourier. A amplitude da máxima oscilação é aproximadamente 9% da amplitude da descontinuidade. As principais funções de janelamento são: A. Janela retangular { 1, 0 n B. Janela de Bartlett 2n, 0 n 2 2 2n, < n 2 C. Janela de Hann [ ( )] 2πn 0, 5 1 cos, 0 n (13) (14) (15) D. Janela de Hamming ( ) 2πn 0, 54 0, 46cos, 0 n (16) E. Janela de Blackman ( ) ( ) 2πn 4πn 0, 42 0, 5cos + 0, 08cos, 0 n F. Janela de Kaiser I 0 [β 1 ( ] ) 1 2n 2 1, 0 n (18) I 0 [β] onde β controla a mínima atenuação na faixa de rejeição e I 0 [ ] é a função de Bessel modificada de grau zero, definida por: [ ] (x/2) k 2 I 0 (x) = 1 + (19) k! e k=0 0, 1102(A s 8, 7), A s 50 β = 0, 5842(A s 21) 0,4 +0, 07886(A s 21), 21 < A s < 50 (20) O comprimento da janela de Kaiser está definido pela equação (21). A s 7, 95 (21) 2, 285 ω (17) 866
4 a Tabela 1 (Ingle and Proakis, 2011) é apresentado um resumo das funções de janelamento e suas características em relação à amplitude da faixa de transição ω, ao comprimento do filtro e à mínima faixa de atenuação. Tabela 1. Resumo das características da função janela w(n). ome da Amplitude da transição ( ω) Atenuação na janela Aproximação Valor exato faixa de rejeição 4π 1,8π Retangular 21 db 8π 6,1π Bartlett 25 db 8π 6,2π Hann 44 db 8π 6,6π Hamming 53 db 12π 11π Blackman 74 db 3.4 Projeto de um filtro O projeto de um filtro consiste em definir algumas especificações, tal que ele cumpra os requisitos determinados pela aplicação. As especificações podem ser absolutas ou relativas, como se ilustra na Figura Planta piloto 4. EXPERIMETO A Planta Piloto de Vazão do Laboratório de Controle de Processos Industriais da Escola Politécnica da USP é composta por uma bomba centrífuga; um driver de velocidade, que regula a rotação da bomba; uma válvula de controle, que regula a vazão na linha e um medidor de vazão, que apresenta ruído na medição. O objetivo principal da planta piloto é regular a vazão de água na tubulação. 4.2 Coleta de dados Antes da coleta de dados, o sinal de controle u(t) e a variável do processo P V (t) foram normalizados. Utilizouse um escalonamento proporcional de 0% para o valor mínimo e de 100% para o valor máximo para cada sinal. o experimento considera-se de forma arbitrária que o ponto de operação é de 50% da variável de processo P V. A região linear está em torno do ponto de operação na faixa de 40% 80% da P V e na faixa de 15% 35% do sinal de controle u. O sinal gerado para excitar o sistema dentro da região linear e os valores de saída do sistema são vistos na Figura 3. ela, apresentam-se os dados coletados da planta de vazão, que foi excitada com um sinal PRBS na válvula de controle com um tempo de amostragem T s = 0, 01s (sobre-amostrado) e com uma duração do experimento de 363s. O sinal de saída do processo é ruidoso. Figura 2. Especificações do filtro FIR: (a) absoluto (b) relativo (Ingle and Proakis, 2011). (a) Especificações absolutas a Figura 2(a) observam-se três faixas no espectro de frequência: a faixa de passagem, a faixa de transição e a faixa de rejeição. A faixa de passagem [0, ω p ] e δ 1 é uma banda de tolerância às ondulações. A faixa de transição [ω p, ω s ] não possui nenhuma restrição em sua amplitude de resposta. A faixa de rejeição [ω s, π] e δ 2 é sua tolerância às ondulações. (b) Especificações relativas R p é a ondulação permitida na faixa de passagem em db e A s é a ondulação permitida na faixa de rejeição em db. Os parâmetros R p e A s estão definidos nas equações (22) e (23). Figura 3. Sinais de entrada e saída do sistema para identificação de sistemas. 4.3 Projeto do filtro do experimento Mediante a função spectrum do Matlab, gerou-se a densidade espectral de potência (DEP) pelo método de Welch. A DEP é mostrada na Figura 4. Pode-se ver que a frequência fundamental f 0 do sistema é 0, 4 Hz. e R p = 20log 10 1 δ δ 1 > 0( 0) (22) A s = 20log 10 delta δ 1 > 0( 1) (23) Figura 4. Densidade espectral da potência do sinal de saída do sistema PV. 867
5 A frequência de corte f c para o filtro passa-baixa determinou-se em f c = 1 Hz e sua frequência de corte normalizada é definida por: f cn = f c F s /2 = 1 = 0, /2 onde F s é a frequência de amostragem do sinal. Portanto a frequência de corte normalizada é ω cn = 0, Considerou-se uma faixa de transição do filtro igual a 20% da frequência de corte ω cn, sendo este o ponto médio da faixa de transição. Portanto, ω p = 0, 05655, ω s = 0, 0628 e ω = 0, Definiram-se as bandas de oscilação permitidas na faixa de passagem e de rejeição em δ 1 = 0, 01 e δ 2 = 0, 01. Mediante as equações (22) e (23), determinaram-se suas correspondentes oscilações permitidas em db para R p = 0, 1737 e A s = 40, 09. Finalmente, o comprimento do filtro foi definido para cada um dos métodos da janela. Para isso, considerouse o valor de ω igual ao valor exato da Tabela 1. O comprimento pelo método da janela de Kaiser foi calculado mediante a equação (21). a Tabela 2 apresenta-se o comprimento do filtro para cada uns dos métodos. Figura 6. Resposta em frequência dos filtros projetados (db). Tabela 2. Comprimento do filtro passabaixa projetado para ω = 0, ome da janela Comprimento do Filtro Retangular 451 Bartlett 1526 Hann 1551 Hamming 1651 Blackman 2751 Kaiser 1121 A resposta em frequência dos filtros projetados, mediante as equações (13) a (18), é ilustrada nas Figuras 5 e 6. O sinal de saída P V (t) filtrado se mostra na Figura 7. Figura 7. Sinal de vazão filtrado para 50 segundos. 4.4 Identificação do modelo da planta Figura 5. Resposta em frequência dos filtros projetados. Com os dados coletados e filtrados nas seções anteriores, existem mais duas considerações: - O período de amostragem. Os dados coletados foram sobre-amostrados, com uma período de amostragem de t s = 0, 01s. Porém, na etapa de identificação a sobre-amostragem não é desejada, pois o modelo pode estar sobre-estimado, isto é, ele é muito específico para os dados com que foi identificado e muito ruim quando é avaliado com outros dados. Em aplicações industriais, o tempo de amostragem recomendado deve ser igual à décima parte da constante de tempo dominante (Ljung, 1999). o experimento, o tempo de amostragem na identificação está definido por: T s = τ 10 = 3s 10 = 0, 3 s e sua frequência de amostragem é F s = 3, 33 Hz. - Avaliação do efeito de aliasing: para evitar este efeito, a componente de maior frequência do processo (f 0 = 0, 4 Hz) deve ser menor que a metade da frequência 868
6 de amostragem (f s = 3, 33/2 = 1, 665 Hz). Portanto, a frequência escolhida cumpre este requisito. Com os dados filtrados, reamostrados (amostrados com τ/10) e normalizados (em uma faixa de 0%-100%), dividiuse os dados em duas partes, a primeira metade para a etapa de identificação e a outra metade para a etapa de validação.. Escolheu-se a estrutura ARMAX por ser um dos modelos mais usados nos processos industriais. o experimento não foi gerada nenhuma perturbação. O processo de vazão caracteriza-se por ter baixa ordem, por isso, testou-se para ordens n a = n b = n c = a, onde a = 2, 3, 4. Ademais, o parâmetro n k foi fixado em zero (n k = 0), dado que no processo de vazão considera-se que não há tempo morto. a validação cruzada foram testadas predições de 1, 10, 100 e infinitos passos à frente para cada um dos filtros projetados e também para os dados sem filtrar. Esta etapa forneceu os índices de ajuste dos modelos (fit), que são vistos nas Tabelas 3 a 5. Dessas tabelas e considerando a validação para predição com infinitos passos à frente (por ser este o caso mais rigoroso), nota-se que o melhor modelo obtido é com os dados filtrados pelo método de Bartlett (fit=94,50%). O modelo resultante é apresentado na equação (3): A(q) = 1 2, 027q 1 +1, 692q 2 0, 8257q 3 +0, 1944q 4, B(q) = 0, , q 1 0, 02272q 2 0, 01316q 3, C(q) = 1+0, 6315q 1 0, 5751q 2 0, 2089q 3 +0, 3743q 4 e sendo o mínimo erro quadrático MSE = 0, Tabela 3. Fit de validação cruzada do modelo ARMAX para n a = n b = n c = 2 e n k = 0. ome da Passos à frente janela inf Sem filtro 89,95 89,57 90,15 89,21 Retangular 98,35 82,74 83,21 81,95 Bartlett 98,67 74,06 70,24 67,91 Hann 98,66 74,06 70,24 67,91 Hamming 98,77 59,44 45,79 41,90 Blackman 98,82 53,44 34,44 29,96 Kaiser 98,78 63,97 53,99 50,55 Tabela 4. Fit de validação cruzada do modelo ARMAX para n a = n b = n c = 3 e n k = 0. ome da Passos à frente janela inf Sem filtro 90,22 89,98 90,38 89,62 Retangular 98,90 94,94 94,60 94,37 Bartlett 99,12 94,63 94,33 94,08 Hann 99,24 94,47 94,15 93,91 Hamming 99,22 94,47 94,16 93,90 Blackman 99,22 94,47 94,15 93,90 Kaiser 99,20 94,49 94,21 93,96 a Tabela 3 observa-se que para predições 1 passo à frente, os modelos têm um alto índice fit. Porém, para predições mais à frente, o fit é muito menor. O modelo de grau 2 não representa bem a dinâmica do sistema identificado. as Tabelas 4 e 5, nota-se a vantagem de se usar dados filtrados na identificação do processo. Obteve-se um mínimo de 4,26% e um máximo de 4,88% de melhora no índice de ajuste do modelo. Ademais, observa-se não haver diferença significativa entre os modelos de grau 3 e 4, isto é, a planta pode ser representada por um modelo de grau 3. Tabela 5. Fit de validação cruzada do modelo ARMAX para n a = n b = n c = 4 e n k = 0. ome da Passos à frente janela inf Sem filtro 90,20 89,99 90,40 89,62 Retangular 99,07 95,35 94,74 94,49 Bartlett 99,28 95,30 94,79 94,50 Hann 99,52 94,31 94,27 93,88 Hamming 99,51 94,46 94,35 93,99 Blackman 99,56 94,32 94,28 93,88 Kaiser 99,32 95,24 94,76 94,45 5. COCLUSÕES A identificação do modelo da planta piloto de vazão, usando os dados sem filtrar mostra um ajuste aceitável, mesmo no caso quando o horizonte de predição é infinito. A filtragem de dados utilizando qualquer um dos métodos de janela apresentados possui uma vantagem mínima de 4,26% no índice de ajuste fit. ão há vantagem significativa em filtrar os dados por qualquer um dos métodos de janela citados, em relação ao índice fit. Dentre os filtros testados, considerando o comprimento do filtro projetado (Tabela 2) e sua relação com o processamento numérico requerido na etapa de filtragem, o método da janela retangular apresentou um melhor desempenho. a identificação de processos industriais com sinais ruidosos, recomenda-se pré-filtrar os dados para se obter um melhor índice de ajuste do modelo. 6. AGRADECIMETO Os autores agradecem a agência brasileira CPq pelo financiamento da bolsa de Mestrado de Oscar Rodríguez. REFERÊCIAS Aguirre, L.A. (2007). Introdução à identificação de sistemas-técnicas lineares e não lineares aplicadas a sistemas reais. Editora UFMG, 3 o edition. Gustavsson, I. (1975). Survey of applications of identification in chemical and physical processes. Automatica, 11(1), Harris, F.J. (1978). On the use of windows for harmonic analysis with the discrete Fourier transform. Proceedings of the IEEE, 66(1), Ikonen, E. and ajim, K. (2001). Advanced process identification and control, volume 9. CRC Press. Ingle, V. and Proakis, J. (2011). Digital signal processing using MATLAB. Cengage Learning, 3 o edition. Ljung, L. (1999). System identification: theory for the user. Prentice Hall PTR, ew Jersey, 2 o edition. Madisetti, V. (2010). Digital Signal Processing Fundamentals. CRC press. Oppenheim, A.V. and Schafer, R.W. (2009). Discrete- Time Signal Processing. Prentice Hall, 3 o edition. Parks, T.W. and Burrus, C.S. (1987). Digital filter design. Wiley-Interscience. Tulleken, H.J. (1990). Generalized binary noise test-signal concept for improved identification-experiment design. Automatica, 26(1),
Filtro FIR. Processamento Digital de Sinais - ENG de julho de 2016 IFBA. Fabrício Simões (IFBA) Filtro FIR 22 de julho de / 30
Filtro FIR Processamento Digital de Sinais - ENG420 Fabrício Simões IFBA 22 de julho de 2016 Fabrício Simões (IFBA) Filtro FIR 22 de julho de 2016 1 / 30 1 Método de Projeto Usando Janelas 2 Tipos de Filtros
Leia maisO processo de filtragem de sinais pode ser realizado digitalmente, na forma esquematizada pelo diagrama apresentado a seguir:
Sistemas e Sinais O processo de filtragem de sinais pode ser realizado digitalmente, na forma esquematizada pelo diagrama apresentado a seguir: 1 Sistemas e Sinais O bloco conversor A/D converte o sinal
Leia maisSinais e Sistemas - ESP208
Sinais e Sistemas - ESP208 Mestrado Profissional em Engenharia de Sistemas e Produtos Filtros Digitais FIR e IIR Fabrício Simões IFBA 01 de novembro de 2017 Fabrício Simões (IFBA) Sinais e Sistemas - ESP208
Leia maisAula 6 PS Prof. César Janeczko. Filtros Digitais
Aula 6 PS Prof. César Janeczko Filtros Digitais Filtros digitais são usados em geral para dois propósitos: 1 o separação de sinais que foram combinados, por exemplo, modulados; 2 o restauração de sinais
Leia maisTécnicas de Projeto de Filtros
Técnicas de Projeto de Filtros Carlos Alexandre Mello Técnicas de Projeto de Filtros O projeto de um filtro tem três passos: Especificações Determinada pela aplicação Aproximações Projeto do filtro especificamente
Leia maisProjeto de Filtros FIR
Projeto de Filtros FIR Estudaremos três técnicas de projeto de filtros FIR de fase linear: Método de Janelas: baseado no janelamento da resposta ao impulso de um filtro ideal; Método da Amostragem em Frequência:
Leia maisIntrodução a filtros digitais. Theo Pavan e Adilton Carneiro TAPS
Introdução a filtros digitais Theo Pavan e Adilton Carneiro TAPS Filtro anti-aliasing Com um sinal já digitalizado não é possível distinguir entre uma frequência alias e uma frequência que realmente esteja
Leia maisProcessamento Digital de Sinais. Notas de Aula. Filtros Digitais Tipo FIR. Filtros Digitais Tipo FIR. Resposta ao impulso com duração finita
Filtros Digitais tipo FIR Filtros Digitais tipo FIR Filtros Digitais Tipo FIR Processamento Digital de Sinais Notas de Aula Filtros Digitais Tipo FIR Resposta ao impulso com duração finita Função de transferência
Leia maisMudança de taxa de amostragem. 2 Redução da taxa de amostragem por um fator inteiro
PSI 42 - Processamento de Áudio e Imagem Mudança de taxa de amostragem Vítor H. Nascimento de novembro de 27 Introdução É comum ser necessário trocar a taxa de amostragem de uma sequência. Uma razão é
Leia maisProcessamento Digital de Sinais
Processamento Digital de Sinais Carlos Alexandre Mello Carlos Alexandre Mello cabm@cin.ufpe.br 1 Sinais Digitais Um sinal pode ser entendido como uma função que carrega uma informação Sinal de voz O sinal
Leia maisFiltros Digitais Tipo FIR
Filtros Digitais tipo FIR Processamento Digital de Sinais Notas de Aula Filtros Digitais Tipo FIR Ricardo Tokio Higuti Departamento de Engenharia Elétrica - FEIS - Unesp Observação: Estas notas de aula
Leia maisProcessamento Digital de Sinais. Notas de Aula. Análise Espectral Usando a DFT
Análise Espectral Análise Espectral Análise Espectral Usando a DFT Processamento Digital de Sinais Notas de Aula Análise Espectral Usando a DFT Uma das principais aplicações da DFT é a análise do conteúdo
Leia maisFiltros Digitais: Estudo, Projeto e Simulação
Filtros Digitais: Estudo, Projeto e Simulação Fabrício Simões IFBA 27 de outubro de 2015 Fabrício Simões (IFBA) Filtros Digitais: Estudo, Projeto e Simulação 27 de outubro de 2015 1 / 69 1 Filtragem Digital
Leia maisAula 15 Propriedades da TFD
Processamento Digital de Sinais Aula 5 Professor Marcio Eisencraft abril 0 Aula 5 Propriedades da TFD Bibliografia OPPENHEIM, A. V.; SCHAFER. Discrete-time signal processing, 3rd. ed., Prentice-Hall, 00.
Leia maisTécnicas de Desenho de Filtros Digitais
Técnicas de Desenho de Filtros Digitais Luís Caldas de Oliveira lco@istutlpt Instituto Superior Técnico Técnicas de Desenho de Filtros Digitais p1/38 Resumo Desenho de filtros discretos com base em filtros
Leia maisEstimação da Resposta em Frequência
27 Estimação da Resposta em Frequência ω = ω ω Objectivo: Calcular a magnitude e fase da função de transferência do sistema, para um conjunto grande de frequências. A representação gráfica deste conjunto
Leia maisFiltros Digitais. Carlos Alexandre Mello. Carlos Alexandre Mello
Filtros Digitais Carlos Alexandre Mello Filtros Digitais Manipulação de Sinais Implementados em Hardware ou Software Componentes: Somadores, multiplicadores e elementos de retardo 2 Filtros Digitais Componentes
Leia maisProcessamento de sinais digitais
Processamento de sinais digitais Aula 2: Descrição discreta no tempo de sinais e sistemas silviavicter@iprj.uerj.br Tópicos Sequências discretas no tempo. Princípio da superposição para sistemas lineares.
Leia maisCurso de Engenharia Elétrica Processamento Digital de Sinais II Exercícios sobre filtros não recursivos Data de entrega: 17/11/2015
Curso de Engenharia Elétrica Processamento Digital de Sinais II Exercícios sobre filtros não recursivos Data de entrega: 17/11/2015 1) Projete um filtro FIR passa baixas de 3 etapas com frequência de corte
Leia maisAnalisador de espectros por FFT
Analisador de espectros por FFT A transformada de Fourier (FT) é uma ferramenta matemática utilizada essencialmente para decompor ou separar uma função ou forma de onda em senóides de diferentes frequências
Leia maisFiltros de tempo discreto
Filtros de tempo discreto ENGC33: Sinais e Sistemas II Departamento de Engenharia Elétrica - DEE Universidade Federal da Bahia - UFBA 25 de março de 2019 Prof. Tito Luís Maia Santos 1/ 28 Sumário 1 Apresentação
Leia maisPlano de aula. ECG com ruído: o que fazer? 5. Motivação / Importância de filtros. Filtros analógicos. Medidas: bandas e faixas. Filtros do tipo FIR
s do tipo FIR Finite Impulse Response Prof. Sérgio S Furuie Plano de aula Motivação Exemplos em sinais e imagens Ruído Características de filtros s tipo FIR Analisando filtros FIR Projetando filtros FIR
Leia maisTransformada de Fourier. Theo Pavan e Adilton Carneiro TAPS
Transformada de Fourier Theo Pavan e Adilton Carneiro TAPS Análise de Fourier Análise de Fourier - representação de funções por somas de senos e cossenos ou soma de exponenciais complexas Uma análise datada
Leia maisFiltros Digitais 1 FILTROS DIGITAIS (5.1) y = A. x B. y. onde A = C / D e B = D / D
Filtros Digitais FILTROS DIGITAIS Um filtro digital é um sistema temporal discreto projetado para passar o conteúdo espectral de um sinal de entrada em uma determinada banda de freqüências [DEF 88],isto
Leia maisA TRANSFORMADA Z. Métodos Matemáticos I C. Prof. Hélio Magalhães de Oliveira, Texto por R. Menezes Campello de Souza
A TRANSFORMADA Z Métodos Matemáticos I C Prof. Hélio Magalhães de Oliveira, Texto por R. Menezes Campello de Souza Notação x(t) é o sinal analógico x(nt) = x[n], n inteiro, é a seqüência T é o período
Leia maisFiltros Digitais. Filtros básicos, parâmetros no domínio do tempo e frequência, classificação de filtros
Filtros Digitais Filtros básicos, parâmetros no domínio do tempo e frequência, classificação de filtros Filtros são usados basicamente para dois propósitos: Separação de sinais combinados; Restauração
Leia maisProcessamento de sinais digitais Aula 3: Transformada de Fourier (Parte 1)
Processamento de sinais digitais Aula 3: Transformada de Fourier (Parte 1) silviavicter@iprj.uerj.br Tópicos Definição da Transformada de Fourier (TF) Propriedades importantes (ex: linearidade e periodicidade)
Leia maisFiltros IIR. EPUSP PTC/ LEB - S.Furuie 2. Filtros IIR. y[n] EPUSP PTC/ LEB - S.Furuie 4. Filtros IIR. Filtro. Digital temp. Filtro. digital freq.
IIR s do tipo IIR Infinite Impulse Response Prof. Sérgio S Furuie que sejam: realizáveis estáveis h[] < h[] < H ( z n] y[n] h[n] a y[ n ] a b z + a z b. n ] Referência específica: cap. do Semmlow IIR:
Leia maisProcessamento Digital de Sinais. Aplicações da DFT. Prof. Dr. Carlos Alberto Ynoguti
Processamento Digital de Sinais Aplicações da DFT Prof. Dr. Carlos Alberto Ynoguti Aplicações da DFT Nesta seção iremos apresentar três aplicações bastante comuns da DFT: 1) Análise espectral de sinais
Leia maisUma aplicação importante dos métodos de processamento digital de sinais é na determinação do conteúdo em frequência de um sinal contínuo
Análise Espectral Uma aplicação importante dos métodos de processamento digital de sinais é na determinação do conteúdo em frequência de um sinal contínuo Análise espectral: determinação do espectro de
Leia maisFiltros IIR. 27 de outubro de 2015 IFBA. Fabrício Simões (IFBA) Filtros IIR 27 de outubro de / 49
Filtros IIR Fabrício Simões IFBA 27 de outubro de 2015 Fabrício Simões (IFBA) Filtros IIR 27 de outubro de 2015 1 / 49 1 Filtragem Digital 2 Filtro IIR Filtros de Primeira Ordem Filtros de Segunda Ordem
Leia maisFerramenta Computacional para o Estudo de Seqüências de Treinamento em Equalizadores LMS
Ferramenta Computacional para o Estudo de Seqüências de Treinamento em es LMS Luciano L. Mendes Departamento de Eletrônica e Eletrotécnica Instituto acional de Telecomunicações Santa Rita do Sapucaí, MG
Leia maisUm filtro digital é uma implementação de um filtro através de operações matemáticas aplicadas em um sinal amostrado (e quantizado);
Filtros Digitais Filtros Digitais Um filtro digital é uma implementação de um filtro através de operações matemáticas aplicadas em um sinal amostrado (e quantizado); São usados para dois propósitos básicos:
Leia maisIntrodução ao Processamento Digital de Sinais Soluções dos Exercícios Propostos Capítulo 5
Introdução ao Soluções dos Exercícios Propostos Capítulo 5. Considere a sequência ( π ) x[n] = cos 4 n encontre todos os sinais contínuos que poderiam gerar essa sequência e as respectivas taxas de amostragem.
Leia maisSinais de Teste. A escolha deve ter em conta quer as propriedades do sistema, quer do método de estimação considerado.
40 Sinais de Teste Em muitos casos, os sistemas em estudo permitem-nos escolher os sinais de entrada a aplicar. São sinais de teste típicos os seguintes: Escalões (ondas quadradas) Sinusoides Ruído Branco
Leia maisProcessamento de dados sísmicos, reflexão multi canal Prospecção Sísmica Aula06/1 NN
2014 Prospecção Sísmica Aula06/1 NN 2014 Prospecção Sísmica Aula06/2 NN Transformadas Fourier no tempo Fourier no espaço Fourier no espaço e tempo Laplace no tempo Radon tau-p no espaço e tempo 2014 Prospecção
Leia maisOSCAR WILFREDO RODRÍGUEZ RODRÍGUEZ PRÉ-PROCESSAMENTO DE DADOS NA IDENTIFICAÇÃO DE PROCESSOS INDUSTRIAIS
OSCAR WILFREDO RODRÍGUEZ RODRÍGUEZ PRÉ-PROCESSAMENTO DE DADOS NA IDENTIFICAÇÃO DE PROCESSOS INDUSTRIAIS São Paulo 2015 OSCAR WILFREDO RODRÍGUEZ RODRÍGUEZ PRÉ-PROCESSAMENTO DE DADOS NA IDENTIFICAÇÃO DE
Leia maisProcessamento Digital de Sinais. Aplicações da DFT. Prof. Dr. Carlos Alberto Ynoguti
Processamento Digital de Sinais Aplicações da DFT Prof. Dr. Carlos Alberto Ynoguti Aplicações da DFT Nesta seção iremos apresentar três aplicações bastante comuns da DFT: 1) Análise espectral de sinais
Leia maisParâmetros importantes de um Analisador de Espectros: Faixa de frequência. Exatidão (frequência e amplitude) Sensibilidade. Resolução.
Parâmetros importantes de um Analisador de Espectros: Faixa de frequência Exatidão (frequência e amplitude) Sensibilidade Resolução Distorção Faixa dinâmica Faixa de frequência: Determina as frequências
Leia maisTRANSFORMADA DE FOURIER EM TEMPO DISCRETO (DTFT) E TRANSFORMADA DISCRETA DE FOURIER (DFT) Larissa Driemeier
TRANSFORMADA DE FOURIER EM TEMPO DISCRETO (DTFT) E TRANSFORMADA DISCRETA DE FOURIER (DFT) Larissa Driemeier LIVRO TEXTO Essa aula é baseada nos livros: [1] [2] INTRODUCTION TO Signal Processing Sophocles
Leia maisProcessamento Digital de Sinais DSP Parte 2
1 / 15 Processamento Digital de Sinais DSP Parte 2 por Henrique Frank W. Puhlmann Introdução Na primeira parte dessa série de artigos foi apresentada uma breve história do processamento digital de sinais
Leia maisLicenciatura em Engenharia Biomédica. Faculdade de Ciências e Tecnologia. Universidade de Coimbra. Análise e Processamento de Bio-Sinais - MIEBM
Licenciatura em Engenharia Biomédica Faculdade de Ciências e Tecnologia Slide Slide 1 1 Tópicos: Representações de Fourier de Sinais Compostos Introdução Transformada de Fourier de Sinais Periódicos Convolução
Leia maisPrograma Analítico de Disciplina ELT430 Modelagem e Identificação de Sistemas
0 Programa Analítico de Disciplina Departamento de Engenharia Elétrica - Centro de Ciências Exatas e Tecnológicas Número de créditos: Teóricas Práticas Total Duração em semanas: 15 Carga horária semanal
Leia maisCapítulo 6 Filtragem, Amostragem e Reconstrução
Capítulo 6 Filtragem, Amostragem e Reconstrução 6. Filtragem 6.2 Amostragem e reconstrução de sinais Capítulo 6 Filtragem, Amostragem e Reconstrução 6. Filtragem 6.2 Amostragem e reconstrução de sinais
Leia maisResumo. Técnicas de Desenho de Filtros Digitais p.4/37. Passos do Processo de Desenho de Filtros. Objectivo
sumo Técnicas de Desenho de Filtros Digitais Luís Caldas de Oliveira lco@ist.utl.pt Desenho de filtros discretos com base em filtros contínuos Transformações em frequência Desenho de filtros usando janelas
Leia maisp.1/48 Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, Belo Horizonte, MG, Brasil
p1/48 Capítulo 4 - Métodos ão Paramétricos Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av Antônio Carlos 27, elo Horizonte, MG, rasil p2/48 Introdução Os métodos
Leia maisProjeto de Filtros Não-Recursivos (FIR)
p.1/81 Projeto de Filtros Não-Recursivos (FIR) Eduardo Mendes emmendes@cpdee.ufmg.br Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, Belo Horizonte,
Leia maisProcessamento Digital de Sinais
Processamento Digital de Sinais Outline: Filtros Digitais Caracterização de Filtros Digitais Metodologia de Projeto de Filtros Digitais Filtros FIR Finite Impulse Response Filtros de Fase Linear Projeto
Leia maisProcessamento de Sinais 2013/14
Processamento de Sinais / Instituto Superior Técnico MEAer Respostas ao. Exame 7 de Janeiro de Nota: As respostas dadas são apenas sumariamente justificadas, destinando-se a validar as resoluções dos alunos..
Leia maisSumário. 1 Sinais e sistemas no tempo discreto 1. 2 As transformadas z e de Fourier 79
Sumário 1 Sinais e sistemas no tempo discreto 1 1.1 Introdução 1 1.2 Sinais no tempo discreto 2 1.3 Sistemas no tempo discreto 7 1.3.1 Linearidade 8 1.3.2 Invariância no tempo 8 1.3.3 Causalidade 9 1.3.4
Leia maisRevisão Análise em frequência e amostragem de sinais. Hilton de Oliveira Mota
Revisão Análise em frequência e amostragem de sinais Hilton de Oliveira Mota Introdução Análise em frequência (análise espectral): Descrição de quais frequências compõem um sinal. Por quê? Senóides são
Leia maisFiltro FIR: Estudo, Projeto e Simulação
Filtro FIR : Características Projeto de um Filtro FIR 1/38 Filtro FIR: Estudo, Projeto e Simulação Fabrício Simões IFBA 28 de Novembro de 2011 Filtro FIR : Características Projeto de um Filtro FIR 2/38
Leia maisIntrodução a aquisição e processamento de sinais
TAPS Introdução a aquisição e processamento de sinais Prof. Theo Z. Pavan Departamento de Física - Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto-USP Roteiro Aquisição de sinais e frequência
Leia maisi) Filtragem ii) Amostragem e reconstituição cuja Transformada de Fourier (TF) é dada na Figura seguinte e que constitui a entrada de um SLIT S.
6ª Aula Prática de Sistemas e Sinais (LEIC Alameda) Sumário: i) Filtragem ii) Amostragem e reconstituição Exercícios Propostos Exercício 1: Considere o sinal x (t) cuja Transformada de Fourier (TF) é dada
Leia maisConvolução Correlação. Profs. Theo Pavan e Adilton Carneiro TAPS
Convolução Correlação Profs. Theo Pavan e Adilton Carneiro TAPS Sistema Sistema processo em que os sinais de entrada são transformados resultando em um outro sinal de saída. x(t) Sistema de tempo contínuo
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos ão Paramétricos 1 Métodos ão Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J. Miranda
Leia maisIntrodução aos Filtros Digitais
Processamento Digital de Sinais Introdução aos Filtros Digitais Prof. Dr. Carlos Alberto Ynoguti Conceitos Básicos Funções principais dos filtros: separação de sinais Exemplo: monitorar o sinal de ECG
Leia maisCapítulo 11 - Projeto de Testes e Escolha de Estruturas
Capítulo 11 - Projeto de Testes e Escolha de Estruturas Prof. Samir Martins UFSJ-CEFET/MG Programa de Pós Graduação em Engenharia Elétrica - PPGEL São João del-rei, 22 de novembro de 2016 1 / 38 Introdução
Leia maisSinais e Sistemas Mecatrónicos
Sinais e Sistemas Mecatrónicos Sinais e Sistemas Sinais Contínuos no Tempo José Sá da Costa José Sá da Costa T2 - Sinais Contínuos 1 Sinais Sinal É uma função associada a um fenómeno (físico, químico,
Leia maisIdentificação por Métodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Identificação por Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos
Leia maisPROJETO E ANÁLISE DO DESEMPENHO DOS FILTROS IIR POR MEIO DA TÉCNICA DE INVARIÂNCIA AO IMPULSO E TRANSFORMAÇÃO BILINEAR
PROJETO E ANÁLISE DO DESEMPENHO DOS FILTROS IIR POR MEIO DA TÉCNICA DE INVARIÂNCIA AO IMPULSO E TRANSFORMAÇÃO BILINEAR Elder Eldervitch C. de OLIVEIRA (1); Adaildo Gomes D ASSUNÇÃO (2); Ronaldo A. MARTINS
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J.
Leia maisSinais e Sistemas - Lista 3
UNIVERSIDADE DE BRASÍLIA, FACULDADE GAMA Sinais e Sistemas - Lista 3 7 de novembro de 0. Calcule a Transformada de Fourier dos seguintes sinais: a) x[n] = ( n ) u[n ] b) x[n] = ( ) n c) x[n] = u[n ] u[n
Leia maisCaderno de Exercícios
Caderno de Exercícios Orlando Ferreira Soares Índice Caracterização de Sinais... Caracterização de Sistemas...0 Sistemas LIT - Convolução...5 Série de Fourier para Sinais Periódicos Contínuos...0 Transformada
Leia maisFILTROS COM RESPOSTA MAXIMAMENTE PLANA PARA CÁLCULO DE HARMÔNICOS
VI SBQEE a de agosto de Belém Pará Brasil Código: BE 78 Tópico: Análise, Diagnóstico e Soluções FITROS CO RESPOSTA AXIAENTE PANA PARA CÁCUO DE HARÔNICOS ARCO ANTÔNIO ACCIOA RODRIGUES ANDRÉ UIZ INS IRANDA
Leia maisAula de Processamento de Sinais I.B De Paula. Tipos de sinal:
Tipos de sinal: Tipos de sinal: Determinístico:Sinais determinísticos são aqueles que podem ser perfeitamente reproduzidos caso sejam aplicadas as mesmas condições utilizadas sua geração. Periódico Transiente
Leia maisIntrodução ao Processamento Digital de Sinais Soluções dos Exercícios Propostos Capítulo 2
Introdução ao Soluções dos Exercícios Propostos Capítulo 2. Verifique se os sinais abaixo têm ou não transformada de Fourier. Em caso positivo, calcule a transformada correspondente: a) x[n] 2δ[n+2]+3δ[n]
Leia maisTécnicas de Projeto de Filtros IIR
Carlos Alexandre Mello 1 A técnica básica de projeto de filtros IIR transforma filtros analógicos bem conhecidos em filtros digitais A vantagem dessa técnica está no fato que tanto tabelas de filtros analógicos
Leia maisMODELAGEM MATEMÁTICA CAIXA PRETA DE PROPULSORES ELETROMECÂNICOS 1
MODELAGEM MATEMÁTICA CAIXA PRETA DE PROPULSORES ELETROMECÂNICOS 1 Leila Ana Valer 2, Manuel Martín Pérez Reimbold 3. 1 Pesquisa realizada no Programa de Mestrado e Doutorado em Modelagem Matemática da
Leia maisProjeto de pesquisa realizado no Grupo de Automação Industrial e Controle (GAIC) da Unijuí. 2
COLETA DE DADOS DO TEMPO DE VIDA DE BATERIAS DE LÍTIO ÍON POLÍMERO E DETERMINAÇÃO DA ORDEM DE MODELOS ARX E ARMAX ATRAVÉS DE FUNÇÕES DE AUTOCORRELAÇÃO. 1 Joelson Lopes Da Paixão 2, Airam Sausen 3, Eduardo
Leia maisTeoria das Comunicações Prof. André Noll Barreto Prova 1 Gabarito
Prova Gabarito Questão (4 pontos) Um pulso é descrito por: g t = t e t / u t u t, a) Esboce o pulso. Este é um sinal de energia ou de potência? Qual sua energia/potência? (,7 ponto) b) Dado um trem periódico
Leia maisSinais e Sistemas - Lista 3 Gabarito
UNIVERSIDADE DE BRASÍLIA, FACULDADE GAMA Sinais e Sistemas - Lista Gabarito 7 de novembro de 05. Calcule a Transformada de Fourier dos seguintes sinais: a) x[n] = ( n ) u[n ] b) x[n] = ( ) n c) x[n] =
Leia maisProcessamento Digital de Sinais - ENG420
Processamento Digital de Sinais - ENG420 Fabrício Simões IFBA 22 de julho de 2016 Fabrício Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 1 / 46 Fabrício Simões (IFBA) Processamento
Leia maisAnálise de Sistemas LTI através das transformadas
Análise de Sistemas LTI através das transformadas Luis Henrique Assumpção Lolis 23 de setembro de 2013 Luis Henrique Assumpção Lolis Análise de Sistemas LTI através das transformadas 1 Conteúdo 1 Resposta
Leia maisTransformada de Fourier Discreta no Tempo (DTFT)
Transformada de Fourier Discreta no Tempo (DTFT) Transformada de Fourier de um sinal discreto no tempo x(n): X e jω = x(n)e jωn n= A DTFT é uma função complexa da variável real e contínua ω. A DTFT é uma
Leia maisVI SBQEE. 21 a 24 de agosto de 2005 Belém Pará Brasil FILTROS COM RESPOSTA MAXIMAMENTE PLANA PARA CÁLCULO DE HARMÔNICOS
VI SBQEE a de agosto de Belém Pará Brasil FITROS CO RESPOSTA AXIAENTE PANA PARA CÁCUO DE HARÔNICOS arco Antônio acciola (* RODRIGUES André uiz ins IRANDA Eduardo Antônio Barros DA SIVA Ricardo Penido Dutt
Leia maisProcessamento Digital de Sinais. Notas de Aula. Transformada Z. Transformada Z - TZ
Transformada Z Transformada Z 2 Transformada Z - TZ Processamento Digital de Sinais É uma generalização da Transformada de Fourier de Tempo Discreto (DTFT) Útil para representação e análise de sistemas
Leia maisAnálise de Sinais e Sistemas
Universidade Federal da Paraíba Departamento de Engenharia Elétrica Análise de Sinais e Sistemas Luciana Ribeiro Veloso luciana.veloso@dee.ufcg.edu.br ANÁLISE DE SINAIS E SISTEMAS Ementa: Sinais contínuos
Leia maisSumário. Técnicas de Projecto de Filtros Discretos (2ª Parte) Projecto de filtros FIR: o método da janela
Sumário Técnicas de Projecto de Filtros Discretos (ª Parte) Projecto de filtros FIR: o método da janela introdução o fenómeno de Gibbs janelas comummente usadas dificuldades do método filtros FIR especiais
Leia maisEfeitos da filtragem sobre sinais de onda quadrada
Efeitos da filtragem sobre sinais de onda quadrada Autores: Pedro Rodrigues e André F. Kohn Introdução O texto a seguir ilustra efeitos que diferentes sistemas lineares invariantes no tempo (SLIT) podem
Leia maisSinais e Sistemas. Série de Fourier. Renato Dourado Maia. Faculdade de Ciência e Tecnologia de Montes Claros. Fundação Educacional Montes Claros
Sinais e Sistemas Série de Fourier Renato Dourado Maia Faculdade de Ciência e Tecnologia de Montes Claros Fundação Educacional Montes Claros Lembremos da resposta de um sistema LTI discreto a uma exponencial
Leia maisIntrodução aos Circuitos Elétricos
1 / 47 Introdução aos Circuitos Elétricos Séries e Transformadas de Fourier Prof. Roberto Alves Braga Jr. Prof. Bruno Henrique Groenner Barbosa UFLA - Departamento de Engenharia 2 / 47 Séries e Transformadas
Leia maisProcessamento (Digital) de Sinal. Caderno de exercícios para as horas não presenciais
Caderno de exercícios para as horas não presenciais João Paulo Teixeira ESTiG, 014 Capítulo 1 Sinais 1. Considere o Considere o seguinte sinal contínuo: x(t) 1-1 0 1 3 t a. Represente y1(t)=x(t+1). b.
Leia mais7 Extração de Dados Quantitativos
Capítulo 7 - Extração de Dados Quantitativos 119 7 Extração de Dados Quantitativos A técnica de medição desenvolvida e descrita nos capítulos anteriores produz como resultado a variação temporal da espessura
Leia maisSinais e Sistemas. Luis Henrique Assumpção Lolis. 21 de fevereiro de Luis Henrique Assumpção Lolis Sinais e Sistemas 1
Sinais e Sistemas Luis Henrique Assumpção Lolis 21 de fevereiro de 2014 Luis Henrique Assumpção Lolis Sinais e Sistemas 1 Conteúdo 1 Classificação de sinais 2 Algumas funções importantes 3 Transformada
Leia mais6 Modelo Gamma-Cetuc (GC)
6 Modelo Gamma-Cetuc (GC) Um modelo de sintetização de séries temporais de atenuação por chuva envolve a geração de dados aleatórios que satisfaçam especificações de estatísticas de primeira e de segunda
Leia maisProjeto de Filtros IIR. Métodos de Aproximação para Filtros Analógicos
Projeto de Filtros IIR Métodos de Aproximação para Filtros Analógicos Introdução Especificações para filtros passa-baixas analógicos - Faixa de passagem: 0 W W p - Faixa de rejeição: W W r - Ripple na
Leia maisSinais e Sistemas. Conceitos Básicos. Prof.: Fábio de Araújo Leite
Sinais e Sistemas Conceitos Básicos Prof.: Fábio de Araújo Leite Discussão do Plano do Curso As 12 normas de convivência 1. - Recomenda-se chegar à aula no horário estabelecido. 2. Evitar o uso do celular
Leia maisAula 22. Conversão Sigma-Delta (continuação)
Aula 22 Conversão Sigma-Delta (continuação) A estrutura mostrada na figura A.22.1 é chamado modulador Sigma-Delta (Σ- ). Esta estrutura, além de ser mais simples, pode ser considerada como uma versão suavizada
Leia maisAula 07 Propriedades da resposta ao impulso
Aula 07 Propriedades da resposta ao impulso Bibliografia OPPENHEIM, A.V.; WILLSKY, A. S. Sinais e Sistemas, a edição, Pearson, 00. ISBN 9788576055044. Páginas 6-69. HAYKIN, S. S.; VAN VEEN, B. Sinais e
Leia mais2/47. da matemática é ainda de grande importância nas várias áreas da engenharia. Além disso, lado de Napoleão Bonaparte. 1/47
Introdução aos Circuitos Elétricos Séries e Transformadas de Fourier Prof. Roberto Alves Braga Jr. Prof. Bruno Henrique Groenner Barbosa UFLA - Departamento de Engenharia Sinais: conjunto de dados ou informação
Leia maisReconstrução de Sinais de Tempo Contínuo
Sistemas e Sinais Reconstrução de Sinais de Tempo Contínuo Teorema da Amostragem Reconstrução Ideal Reconstrução Prática Retentor de Ordem Zero Filtro Anti-Imagem Reconstrução de Sinais de Tempo Contínuo
Leia maisExercícios para Processamento Digital de Sinal. 1 Transformada e Série de Fourier
Exercícios para Processamento Digital de Sinal Transformada e Série de Fourier Exercício Considere o seguinte sinal x(t) = sin 2 (0πt). Encontre uma forma aditiva para este sinal e represente graficamente
Leia maisResposta em Frequência de Sistemas LTI
Resposta em Frequência de Sistemas LTI Vimos que a resposta y(n) de um sistema LTI em estado zero é dada pela convolução linear do sinal de entrada x(n) com a sua resposta ao impulso h(n). Em particular,
Leia maisSérie de Fourier. Prof. Dr. Walter Ponge-Ferreira
Resposta à Excitação Periódica Série de Fourier Prof. Dr. Walter Ponge-Ferreira E-mail: ponge@usp.br Escola Politécnica da Universidade de São Paulo Departamento de Engenharia Mecânica - PME Av. Prof.
Leia maisTransformada Discreta de Fourier
Carlos Alexandre Mello Transformadas O uso de transformadas serve para observar características de um sinal que já estavam presentes nele, mas que podem não ser observáveis em um domínio Assim, as transformadas
Leia maisEN2607 Transformadas em Sinais e Sistemas Lineares Lista de Exercícios Suplementares 2 2 quadrimestre 2011
EN607 Transformadas em Sinais e Sistemas Lineares Lista de Exercícios Suplementares quadrimestre 0 (P-0003D) (HAYKIN, 00, p 9) Use a equação de definição da TF para obter a representação no domínio da
Leia maisDETERMINAÇÃO DA TAXA DE AMOSTRAGEM E ANALISE DO EFEITO DO FALSEAMENTO DOS COMPONENTES DE FREQUENCIA DE UM SINAL DE IDENTIFICAÇÃO
DETERMINAÇÃO DA TAXA DE AMOSTRAGEM E ANALISE DO EFEITO DO FALSEAMENTO DOS COMPONENTES DE FREQUENCIA DE UM SINAL DE IDENTIFICAÇÃO T. S. S. DANTAS, R.R. FONSECA e F. V. da SILVA Universidade Estadual de
Leia maisProcessamento Digital de Sinais - ENG420
Processamento Digital de Sinais - ENG420 Fabrício Simões IFBA 24 de setembro de 2016 Fabrício Simões (IFBA) Processamento Digital de Sinais - ENG420 24 de setembro de 2016 1 / 19 1 Transformada Z - Conceito
Leia mais